Статья: Прогнозирование результатов рассмотрения законопроектов Государственной думой РФ: модель нейронной сети (2024)

Читать онлайн

В данной статье на основе собранного массива данных с сайта Государственной думы РФ за период с 24 октября 1994 г. по 1 декабря 2022 г. настроены модели машинного обучения и нейронная сеть для прогнозирования итогов рассмотрения законопроектов нижней палатой парламента. Для предварительной обработки данных использовалась модель rubert-tiny, для прогнозирования – классификатор случайного леса, логистическая регрессия и модель нейронной сети из трех линейных слоев.

Модели продемонстрировали следующие результаты: 94% точности (метрика F1 взвешенная) при прогнозировании на основе текстов прилагаемых к законопроекту документов и 87% точности при обучении на параметрах паспорта законопроекта. Обученные только на текстах законопроекта модели демонстрировали точность в 75,6%. Наиболее важным фактором, оказывающим влияние на результат прогноза, оказался текст заключения. Вторым по важности признаком стал «Субъект права законодательной инициативы» с 31,5% значимости в прогнозировании. На основе объединенных текстовых данных и параметров паспорта законопроекта лучше всего проявил себя алгоритм случайного леса. Среди обученных только на текстовых параметрах алгоритмов на первое место вышла логистическая регрессия. На вероятность принятия законопроекта не оказали существенного влияния текст финансового обоснования, текст пояснительной записки или тематика законопроекта. Автором сделаны выводы о направлениях практического применения обученных моделей, а также определены дальнейшие научные проблемы в сфере математического анализа и прогнозирования законотворчества.

Ключевые фразы: поименное голосование, ГОСУДАРСТВЕННАЯ ДУМА, прогнозирование законотворчества, законодательные исследования, нейронные сети, ru-bert, машинное обучение
Автор (ы): Хавроненко Максим Викторович (Havronenko M. V.)
Журнал: ПОЛИТИЧЕСКАЯ НАУКА

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Политология
УДК
32. Политика
Для цитирования:
ХАВРОНЕНКО М. В. ПРОГНОЗИРОВАНИЕ РЕЗУЛЬТАТОВ РАССМОТРЕНИЯ ЗАКОНОПРОЕКТОВ ГОСУДАРСТВЕННОЙ ДУМОЙ РФ: МОДЕЛЬ НЕЙРОННОЙ СЕТИ // ПОЛИТИЧЕСКАЯ НАУКА. 2024. №3
Текстовый фрагмент статьи
Моя история просмотров (10)
Будьте первым, кто начнет обсуждение

Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.